“语义层”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果2528186个，建议您升级VIP下载更多相关专利

[发明专利]视频数据的非线性表征-CN200880129122.3无效
发明人：金声;欧思乐 -专利权人：多基有限公司
申请日： 2008-05-27 - 公布日： 2011-04-20 - 主分类号： G06F17/30 文献下载
摘要：视频数据被分类为语义内容，所述语义内容包括多层结构且每一层表示语义参考(例如不同的影片实体)。以分层结构组织所述语义内容，其中顶层表示综合信息，而最低层表征基本信息。在所述顶层中的所述影片实体被超链接到在第二层中的实体。在所述第二层中的所述实体被超链接到第三层并以此类推。在最低层中的每一影片实体被指派到所述视频内容的一部分并且被超链接到对应的视频数据。所述语义内容包括在多对多关系中被超链接的视频数据。多对多关系意味着所述数据为超链接的视频数据并且所述视频数据支持多路访问和多路显示。用于向使用者表征分类的语义内容的装置，其中所述视频数据可以无需编码转换被线性地逐段可视化并播放。所述语义内容的所述分层结构还可以在逻辑上被可视化为关系图和关键帧的显示。使用者可以从所述顶层开始向下到所述最低层浏览所述语义内容。与所述语义内容的每一影片实体相对应的所述视频可以被单独地作为短视频来播放。以及用于在视频数据的分类的语义内容的贮藏库上执行搜索的装置。
视频数据非线性表征

[发明专利]具有多粒度特性的多层云制造资源建模框架-CN201310689629.7有效
发明人：李小平;刘宁;朱夏;张跃 -专利权人：东南大学
申请日： 2013-12-13 - 公布日： 2017-02-15 - 主分类号： G06F17/27 文献下载
摘要：此资源建模框架共分为三层，从下至上依次是资源模型层、功能模型层、语义元模型层。资源模型层与功能模型层通过多对多映射关系进行关联，使得资源与其对应的功能特性松散耦合在一起，提高建模框架的灵活性。功能模型层与语义元模型层通过转换关系进行关联，使得资源描述具有准确的语义。
具有粒度特性多层制造资源建模框架

[发明专利]人机对话系统及方法-CN202210615940.6有效
发明人：李永彬;武玉川;黎航宇;马文涛;林廷恩;戴音培;孙健 -专利权人：阿里巴巴达摩院（杭州）科技有限公司
申请日： 2022-06-01 - 公布日： 2022-08-12 - 主分类号： G06F16/332 文献下载
摘要：本申请实施例提供了一种人机对话系统及方法，其中，人机对话系统包括：语音交互层，用于接收来自用户的语音对话，并将语音对话转换为对话文本；预训练模型层，用于对对话文本进行语义分析，生成语义表示；对话引擎层，用于对语义表示进行意图分析，确定是否获得了对话文本的意图；若已获得，则根据所述意图，基于对话构建层预先构建的对话流程确定对话回复；若未获得，则根据语义表示确定与用户进行再次对话交互，以获得再次对话交互文本；基于再次对话交互文本和所述对话文本，确定对应的意图；根据确定的意图，基于对话构建层预先构建的对话流程确定对话回复；语音交互层，还用于将对话回复转换为语音，以通过语音与用户进行对话交互。
人机对话系统方法

[发明专利]用于使用神经网络生成基本逼真图像的语义图像合成-CN202010074261.3在审
发明人： T·帕克;刘洺堉;王鼎钧;朱俊彦 -专利权人：辉达公司
申请日： 2020-01-22 - 公布日： 2020-08-04 - 主分类号： G06T11/20 文献下载
摘要：本发明公开了用于使用神经网络生成基本逼真图像的语义图像合成。用户可以创建包括由用户标识的两个或更多个区域的基本语义布局，每个区域与语义标签相关联，该语义标签指示要在该区域中渲染的对象的类型。可以将语义布局作为输入提供给图像合成网络。该网络可以是经训练的机器学习网络，例如生成对抗网络(GAN)，其包括条件空间自适应归一化层，用于将语义信息从语义布局传播到网络的其他层。
用于使用神经网络生成基本逼真图像语义合成

[发明专利]一种基于BERT模型的文本语义相似度计算方法-CN202011294655.6在审
发明人：郑颖龙;周昉昉;刘佳木;赖蔚蔚;吴广财;郑杰生;林嘉鑫;叶杭 -专利权人：广东电力信息科技有限公司
申请日： 2020-11-18 - 公布日： 2021-03-12 - 主分类号： G06F40/30 文献下载
摘要：本发明公开的基于BERT模型的文本语义相似度计算方法，通过对用户输入的两个句子做子词切分，得到两个子词序列，分别在两个子词序列的头部、连接处及尾部设置标记，得到完整的子词序列，将子词序列输入BERT模型，得到子词序列中各个子词对应的语义向量，将头部特殊标记对应的语义向量输入神经网络模型的全连接层，得到维度为2的语义向量，将维度为2的语义向量输入神经网络模型的Softmax层做归一化，得到两个句子相似的概率和不相似的概率，根据两个句子相似的概率和不相似的概率，确定两个句子的语义相似度，避免了因分词可能引入的错误，能够考虑文本的上下文语义，提高了语义相似度计算的精确度。
一种基于 bert 模型文本语义相似计算方法

[发明专利]一种基于条件变分自编码器的诗歌生成方法及系统-CN202210085516.5在审
发明人：赵亚萍;龙诗颖;周灵智;王勇超 -专利权人：浙江大学
申请日： 2022-01-25 - 公布日： 2022-05-17 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种基于条件变分自编码器的诗歌生成方法，包括：S1获取关键词，并生成对应的关键词语义向量，所述关键词包括待生成诗歌的主题信息；S2将S1中获取的关键词语义向量与诗歌库中存储的语义向量进行采样，生成包括多首诗歌的候选集；S3根据所述候选集中诗歌语义向量与所述关键词语义向量，计算获得隐层变量；S4根据关键词语义向量，上下文语义向量以及S3中获得的隐层变量，生成诗歌。通过本发明的方法可以避免过度翻译的问题，通过扩充关键词的语义信息，获得语句通顺且具有一定风格的高质量诗歌。
一种基于条件编码器诗歌生成方法系统

[发明专利]一种具有稀疏化效应的持续学习语义分割方法-CN202211159001.1在审
发明人：杨静;李斌;袁坤;李少波;季卿;张邦梅;何瑶 -专利权人：贵州大学
申请日： 2022-09-22 - 公布日： 2022-12-16 - 主分类号： G06V10/26 文献下载
摘要：本发明提出了一种具有稀疏化效应的持续学习语义分割方法，包括以下步骤：S1，使用骨干网络与语义分割网络搭建语义分割基础网络；S2，采用数据生成网络生成数据样本；所述数据生成网络需要提前在数据集上进行预训练；S3，在语义分割基础网络隐藏层的全连接层中随机应用门控0‑1伯努利变量，从而改变网络的训练模式与神经激活模式，S4，将经过预训练的数据生成网络生成的数据输入所述语义分割基础网络得到结果。本发明能够缓解语义分割模型在持续学习过程中的灾难性遗忘，提升持续语义分割模型的分割精度，解决持续语义分割模型由于内存、隐私等因素造成数据样本不足而导致的过拟合、持续学习能力不足的问题。
一种具有稀疏效应持续学习语义分割方法

[发明专利]一种基于Swin-Transformer的语音语义信号传输方法-CN202310606682.X在审
发明人：周子良;郑仕链;赵知劲;陈杰 -专利权人：杭州电子科技大学
申请日： 2023-05-26 - 公布日： 2023-08-29 - 主分类号： G10L15/18 文献下载
摘要：本发明公开了一种基于Swin‑Trasformer的语音语义通信传输方法，本发明包括以下步骤：1.对语音信号进行数据预处理；2.将预处理后的语音信号通过语义编码器，自动提取语音信号中的语义信号；3.将语义信号通过物理信道以模拟现实生活中的噪声干扰；4.将带有噪声干扰的语义信号通过语义解码器；将带有噪声的信号分别经过卷积层和Transformer‑basedDecoder层，重新构建其浅层特征和深层特征，最后经过KeepfeatLayer实现多重维度语义信息的融合；5.对经过语义解码器的信号进行信号重建，以恢复出原始的语音信号。
一种基于 swin transformer 语音语义信号传输方法

[发明专利]基于深度学习的视觉语义库构建及全局定位方法-CN201810623212.3有效
发明人：刘国良;张威;田国会 -专利权人：山东大学
申请日： 2018-06-15 - 公布日： 2021-01-05 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于深度学习的视觉语义库构建及全局定位方法及系统，包括：视觉语义库构建步骤：获取相机的关键帧及对应的位姿，输入关键帧图像获取关键帧物体语义信息，根据物体语义信息进行物体局部特征的提取，将关键帧对应的位姿、物体语义信息、物体局部特征存入数据库；相机定位步骤：利用物品种类粗筛选和图像特征细筛选两层候选帧检索机制筛选出与当前图像相似的候选图像。本发明通过将深度学习与传统SLAM算法相结合，有效实现对场景中物品的识别与图像分割，并建立相应的视觉语义库。同时，该语义库利用物体的语义信息和物体局部特征两层筛选机制进行全局定位，可提高匹配效率，减少误匹配，提高定位精度。
基于深度学习视觉语义构建全局定位方法

[发明专利]图像分类的方法及装置-CN201510960328.2有效
发明人：乔宇;郭胜;黄韡林 -专利权人：中国科学院深圳先进技术研究院
申请日： 2015-12-21 - 公布日： 2019-05-07 - 主分类号： G06K9/62 文献下载
摘要：该方法包括：通过深度卷积神经网络提取输入图像的中间卷积层的特征以及全连接层的特征；对提取的所述中间卷积层的特征进行预处理，并对预处理后的中间卷积层的特征进行编码，以形成图像表示的中层语义特征，对提取的全连接层的特征进行归一化处理后作为图像表示的高层语义特征；将所述图像表示的中层语义特征和所述图像表示的高层语义特征进行融合；基于融合后的特征进行图像分类。
图像分类方法装置

[发明专利]基于层间语义信息融合深度卷积网络的图像分类方法-CN202111031606.8在审
发明人：田小林;张力;高原;焦李成 -专利权人：西安电子科技大学
申请日： 2021-09-03 - 公布日： 2021-12-17 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种基于层间语义信息融合深度卷积网络的图像分类方法，主要解决现有图像分类算法无法同时兼顾复杂图像分类准确度和对图像中小目标敏感性的问题，其实现方案是：获取训练集和测试集；构建包括多级特征提取模块、金字塔池化结构、语义融合结构及输出层的层间语义信息融合深度卷积网络；采用训练集利用梯度下降法对构建的网络进行迭代训练；将测试集输入到训练好的网络模型中，得到图像的分类结果。本发明通过构建金字塔池化结构与语义融合结构，通过将中层弱语义信息特征与深层强语义信息特征相融合，在兼顾复杂图像分类精度的同时，提高了对小目标的敏感性，提高了图像分类的精度，可用于视频监控、智能交通、医疗保健及人机交互
基于语义信息融合深度卷积网络图像分类方法

[发明专利]一种基于实体映射的异构媒体相似性计算方法及检索方法-CN201610003735.9有效
发明人：黄雷;彭宇新 -专利权人：北京大学
申请日： 2016-01-04 - 公布日： 2019-01-18 - 主分类号： G06F16/40 文献下载
摘要：本发明提出了一种基于实体映射的异构媒体相似性计算方法及检索方法，包括以下步骤：建立包含不同模态媒体数据的异构媒体数据库，提取不同模态媒体数据的特征向量；构建实体层，作为从底层特征到高层语义之间的过渡；考虑单一模态媒体数据以及不同模态媒体数据之间的关联，学习得到实体映射，进而得到不同模态媒体数据在实体层的统一表示；生成语义抽象，得到高层语义概念的概率向量表示，最终得到异构媒体相似性计算结果用于异构媒体检索。本发明构建了具有明确语义的实体层作为从底层特征到高层语义的过渡桥梁，减少了高层语义概念的歧义性，使得不同模态媒体数据能够互相促进，提高相似性计算的准确性，从而取得更高的异构媒体检索准确率。
一种基于实体映射媒体相似性计算方法检索方法

[发明专利]一种提取深度信念网络中隐含节点语义的方法-CN201710506259.7有效
发明人：李双印;潘嵘 -专利权人：深圳爱拼信息科技有限公司
申请日： 2017-06-28 - 公布日： 2020-07-31 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种提取深度信念网络中隐含节点语义的方法，提出了全新的获取深度信念网络中隐含层内部隐含节点的语义信息的方法。该方法的关键点是，利用半结构化主题模型和深度信念网络相结合，同时学习模型参数，从而能够获取深度信念网络中不同隐含层的隐含节点的显式语义信息。本发明的另一关键点是，本发明结合了贝叶斯网络和深度神经网络这两种不同的网络类型，通过主题模型来对深度信念网络进行语义解析。与现有技术相比，本发明提出的技术方案中，构建了获取深度信念网络中隐含层内部隐含节点的语义信息的方法。这种方案能够通过利用贝叶斯主题模型，对深度信念网络中的隐含节点进行建模，获取其具体的语义信息。
一种提取深度信念网络隐含节点语义方法

[发明专利]基于语义-标签多粒度注意力的多标签分类方法及系统-CN202110516862.X有效
发明人：杨振宇;刘国敬;王钰;马凯洋 -专利权人：齐鲁工业大学
申请日： 2021-05-12 - 公布日： 2022-05-31 - 主分类号： G06V10/764 文献下载
摘要：本发明提供了一种基于语义‑标签多粒度注意力的多标签分类方法及系统。该方法包括：语义‑标签多粒度注意力模型构建：将堆叠的扩张卷积编码模块与标签图注意力模块的输出共同连接多粒度注意力机制网络，多粒度注意力机制网络输出的加权后的标签作为全连接层的输入，全连接层得到的用于映射预测标签的输出值输入一个Sigmoid层，得到每个标签的预测概率；模型训练：采用多标签数据集对构建的语义‑标签多粒度注意力模型进行训练，调整参数直至语义‑标签多粒度注意力模型收敛，得到训练完成的语义‑标签多粒度注意力模型；以待分类的多标签数据集作为输入，训练完成后的语义‑标签多粒度注意力模型输出分类结果。
基于语义标签粒度注意力分类方法系统

[发明专利]利用软交叉熵损失的语义分段-CN201980073301.8在审
发明人：儿嶋环 -专利权人：索尼集团公司
申请日： 2019-10-10 - 公布日： 2021-06-29 - 主分类号： G06T7/11 文献下载
摘要：提供了一种用于利用软交叉熵损失进行语义分段的系统和方法。该系统将第一彩色图像输入到用于多类分类任务的语义分段网络的输入层。语义分段网络基于输入的第一彩色图像以辅助步幅生成第一特征图，作为语义分段网络的辅助层的输出。该系统从辅助层提取生成的第一特征图，并基于提取出的第一特征图将概率图计算为多类分类任务的类集合上的软标签的集合。该系统还针对辅助步幅计算该计算出的概率图与地面真实概率图之间的辅助交叉熵损失，并基于计算出的辅助交叉熵损失来训练用于多类分类任务的语义分段网络。
利用交叉损失语义分段

首页
«上一页
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
下一页»
尾页
共 100000 条